Springe direkt zu Inhalt

[TAKEN] Design von Abhörkodes mit Deep Learning

[TAKEN] Design von Abhörkodes mit Deep Learning

Thema und Zielsetzung

Diese Arbeit beschäftigt sich mit der Erzeugung von Abhörkodes mit Hilfe von maschinellen Lernalgorithmen (insbesondere Deep Learning, DL). Startpunkt sind kürzliche Arbeiten der Heisenberg Gruppe zu Abhörkodes und weitere Arbeiten zur Erzeugung von hochperformanten ‚normalen‘ Kodes mit Hilfe von DL (z.B. im Vergleich zu Standard-Turbokodes). Ziel der Arbeit ist die Aufarbeitung von ML-Designmethoden sowohl für Standardkodes als auch Abhörkodes. Insbesondere sollen dann Lernarchitekturen für höhere Raten erarbeitet, analysiert und simuliert werden.

Die Arbeiten sind Teil des PHY2APP Projektes der Gruppe (Start am 01. April) mit zwei Startups aus dem Sicherheitsbereich. Das in PHY2APP betrachtete IoT Smart Home Szenario mit Cloud-Anbindung ist hier abgebildet. Abhörkodes sollen zwischen IoT Gerät und Authentikator eingesetzt werden.

Voraussetzungen

Es sind gute Kenntnisse in den Grundlagen der informationstheoretischen Sicherheit, ML, Python und TensorFlow erwünscht.

Bewerbungen bitte an: g.wunder@fu-berlin.de, stefanie.bahe@fu-berlin.de

Es besteht die Möglichkeit diese Arbeit im Rahmen einer SHK (60h oder n.V.) auszuführen. Es findet außerdem eine enge Vernetzung mit Startups in diesem Bereich statt.